இந்தியாவின் ₹650 பில்லியன் ரியல் எஸ்டேட் துறையில், செயற்கை நுண்ணறிவு (AI) இனி சந்தைப்படுத்தல் (Marketing) மட்டுமின்றி, கட்டுமானப் பணிகள் மற்றும் நிதி செயல்பாடுகளிலும் முக்கிய பங்கு வகிக்கத் தொடங்கியுள்ளது. 2025-ல் கார்பரேட் நிறுவனங்களில் 91% AI-ஐ ஏற்றுக்கொண்டுள்ளன. ஆனால், பழைய தொழில்நுட்பம் மற்றும் திறமையான ஆட்களின் பற்றாக்குறை போன்ற சவால்களை நிறுவனங்கள் எதிர்கொள்வதால், முதலீட்டாளர்கள் கவனமாக இருக்க வேண்டும்.
இந்தியாவின் ₹650 பில்லியன் மதிப்புள்ள ரியல் எஸ்டேட் துறையில், செயற்கை நுண்ணறிவு (AI) ஒரு பெரிய மாற்றத்தை ஏற்படுத்தி வருகிறது. முன்னர் வாடிக்கையாளர் சேவையில் (Customer Chatbots) மற்றும் மெய்நிகர் சுற்றுப்பயணங்களுக்கு (Virtual Tours) மட்டுமே பயன்படுத்தப்பட்ட இந்தத் தொழில்நுட்பம், இப்போது கட்டுமான கண்காணிப்பு (Construction Monitoring), திட்டமிடல் (Project Planning) மற்றும் இடர் கணிப்பு (Risk Prediction) போன்ற முக்கிய பணிகளிலும் ஒருங்கிணைக்கப்படுகிறது.
புள்ளிவிவரங்களின்படி, 2023-ல் 5%-க்கும் குறைவாக இருந்த AI பயன்பாடு, 2025-ல் கார்பரேட் ரியல் எஸ்டேட் நிறுவனங்களிடையே 91% ஆக உயர்ந்துள்ளது. வெளிப்படைத்தன்மை மற்றும் தரவுகளின் அடிப்படையிலான முடிவெடுக்கும் செயல்முறைகளுக்கான நிறுவன முதலீட்டாளர்களின் (Institutional Investor) தேவை இந்த மாற்றத்திற்கு முக்கிய காரணம். 2026-ன் முதல் காலாண்டில் மட்டும், இத்துறை $1.7 பில்லியன் முதலீட்டை ஈர்த்துள்ளது. இது திறமையான மற்றும் நவீன செயல்பாட்டு முறைகளின் முக்கியத்துவத்தைக் காட்டுகிறது.
அடுத்த ஏழு ஆண்டுகளில், ஜெனரேட்டிவ் AI (Generative AI) மூலம் இத்துறையின் மொத்த உள்நாட்டு உற்பத்திக்கு (Gross Value Added) $14-17 பில்லியன் வரை சேர்க்கப்படும் என மதிப்பிடப்பட்டுள்ளது. AI மூலம் தளப் படங்களை பகுப்பாய்வு செய்தல், பணப்புழக்கத்தை (Cash Flow) நிர்வகித்தல் மற்றும் கொள்முதல் தேவைகளை (Procurement Needs) கணித்தல் போன்றவற்றின் மூலம், திட்ட தாமதங்களைக் குறைத்து உற்பத்தித்திறனை அதிகரிக்க டெவலப்பர்கள் நோக்கமாகக் கொண்டுள்ளனர். உதாரணமாக, இயந்திர கற்றல் மாதிரிகள் (Machine Learning Models) திட்ட தாமதங்களை முன்கூட்டியே கண்டறிந்து, திட்ட மேலாளர்கள் வளங்களை திறம்பட ஒதுக்க உதவுகின்றன. நிறுவன முதலீட்டாளர்கள் நம்பகமான காலக்கெடு மற்றும் பட்ஜெட் அறிக்கைகளை வழங்கும் டெவலப்பர்களுக்கு முன்னுரிமை அளிப்பதால் இந்த மாற்றம் முக்கியமானது.
இருப்பினும், இந்த அதிவேக பயன்பாட்டு புள்ளிவிவரங்களுக்குப் பின்னால் ஒரு பெரிய செயலாக்க இடைவெளி (Implementation Gap) உள்ளது. சுமார் 5% நிறுவனங்கள் மட்டுமே தங்கள் முக்கிய AI இலக்குகளை அடைந்துள்ளதாக ஆராய்ச்சி கூறுகிறது. பல டெவலப்பர்கள், தரவு உள்கட்டமைப்பு பற்றாக்குறை (Data Infrastructure), AI மென்பொருளுடன் பொருந்தாத பழைய அமைப்புகள் (Legacy Systems), மற்றும் இந்த புதிய தொழில்நுட்பங்களை நிர்வகிக்கத் தேவையான திறமையான பணியாளர்கள் பற்றாக்குறை போன்ற கடுமையான தடைகளை எதிர்கொள்கின்றனர். இதனால், சில நிறுவனங்கள் தரவு கட்டமைப்பை வெற்றிகரமாக நவீனப்படுத்தியதன் மூலம் போட்டித்தன்மையை பெற்றாலும், மற்றவை இந்த கருவிகளை திறம்பட ஒருங்கிணைக்க முடியாமல், தோல்வியுற்ற சோதனைகளில் முதலீட்டை வீணடிக்க நேரிடும்.
மேலும், வணிக அலுவலக இடங்கள் (Commercial Office Space) தொடர்பான பரந்த துறைசார் அபாயங்களும் உள்ளன. நிறுவனங்கள் AI மூலம் பணிகளை தானியக்கமாக்கும்போது, அலுவலக இடங்களுக்கான தேவை குறையக்கூடும். இது, வாடகை வருவாய் (Rental Yields) மற்றும் காலியிட விகிதங்களில் (Vacancy Rates) அழுத்தத்தை ஏற்படுத்தும்.
இறுதியில், AI-யின் மதிப்பு, அறிவிக்கப்பட்ட பைலட் திட்டங்களின் எண்ணிக்கையால் தீர்மானிக்கப்படாது. மாறாக, தரவை குறைந்த செலவு மற்றும் வேகமான கட்டுமான காலவரிசைகளாக மாற்றும் டெவலப்பர்களின் திறனால் இது தீர்மானிக்கப்படும். ஒரு நிறுவனத்தின் AI உத்தி விற்பனை வேகம் மற்றும் லாபப் பாதுகாப்பில் அளவிடக்கூடிய முன்னேற்றங்களுக்கு வழிவகுக்கிறதா அல்லது அது ஒரு விலை உயர்ந்த, நிரூபிக்கப்படாத பரிசோதனையாகவே நீடிக்கிறதா என்பதை முதலீட்டாளர்கள் கண்காணிக்க வேண்டும்.